Visual analysis of gene expression data by means of biclustering

Abstract

[ES] La bioinformática es un área de investigación que maneja grandes colecciones de datos. Un ejemplo importante es el análisis de la expresión genética mediante microarrays, donde están involucradas no sólo las grandes matrices de expresión derivadas de experimentos con microarrays, sino también los complejos resultados de su análisis y la cantidad de fuentes externas de conocimiento que se pueden utilizar para confirmar o validar los resultados del experimento. Esta cantidad de información hace necesario el uso de todas las habilidades cognitivas del analista, no sólo abstractas, sino también perceptivas. El uso de técnicas de minería de datos no supervisadas contribuye a descubrir nueva información a partir de los datos de expresión, normalmente en forma de grupos o clasificaciones. Especialmente, los métodos de biclustering se han utilizado con bastante éxito para este fin. Sin embargo, no existen técnicas de visualización satisfactorias para inspeccionar los resultados del biclustering ni para integrarlos con el resto de información disponible. Esta tesis se acerca a estas cuestiones desde el punto de vista de la analítica visual, buscando nuevas técnicas de visualización para representar biclusters e integrarlos, junto con las matrices de expresión y las fuentes externas de conocimiento, en un entorno de trabajo que facilite el proceso de análisis.

[EN] Bioinformatics is a research area that manages large collections of data. A relevant instance of it is gene expression analysis by means of microarray technologies. The large expression matrices resulting from microarray experiments, the usually complex results of their analysis and the several sources of related existing knowledge that can be used for support and validation, demand to use the full cognitive capabilities of the analyst, not only abstract but also perceptual. Non-supervised data mining techniques contribute to discover new information, frequently in the form of groups or classifications to be inspected. Specially, in the case of biclustering methods, there are no satisfactory visualization techniques to inspect these groups (biclusters). This thesis approaches the mentioned issues by developing novel visualization techniques and integrating several sources of data, biclustering algorithms and visualizations into a single analysis framework. This framework will contribute to make it easier and improve the reasoning process related to gene expression analysis by means of a visual analytics approach.